当前最快的实例分割模型:YOLACT 易语言调用

z13228604287 · 发表于 2022-8-8 15:09:27

本帖最后由 z13228604287 于 2022-8-8 15:18 编辑

QQ图片20220808151445.png

YOLACT：https://github.com/dbolya/yolact

窗口程序集名	保留	保留	备注
程序集1

子程序名	返回值类型	公开	备注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类型	静态	数组	备注
分割	YOLACT
预测图	多维矩阵类

分割.初始化 (0.5, 0.5)
预测图＝视觉_图像解码 ( #预测图, #读图_彩色 )
分割.检测 (预测图)
视觉_创建窗口 (“小白鼠”, #窗口_标准 )
视觉_显示图像 (“小白鼠”, 预测图)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()
返回 (0) ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
OpenCV	(未知支持库)

窗口程序集名	保留	保留	备注
YOLACT, , 公开, You Only Look At CoefficienTs
变量名	类型	数组	备注
类_名	文本型	0
BGR颜色数组	字节型	82,3
目标_尺寸	整数型
MEANS	小数型	3
STD	小数型	3
置信_阈值	小数型
抑制_阈值	小数型
保存_顶边_k	整数型
转化率_ws	整数型	5
转化率_hs	整数型	5
纵横比	小数型	3
scales	小数型	5
var	小数型	4
掩码_h	整数型
掩码_w	整数型
数_预测框	整数型
预测框	小数型	0
DNN网络	网络类

子程序名	返回值类型	公开	备注
_初始化			当基于本类的对象被创建后，此方法会被自动调用

目标_尺寸＝ 550
MEANS ＝ { 123.68, 116.78, 103.94 }
STD ＝ { 58.4, 57.12, 57.38 }
转化率_ws ＝ { 69, 35, 18, 9, 5 }
转化率_hs ＝ { 69, 35, 18, 9, 5 }
纵横比＝ { 1, 0.5, 2 }
scales ＝ { 24, 48, 96, 192, 384 }
var ＝ { 0.1, 0.1, 0.2, 0.2 }
掩码_h ＝ 138
掩码_w ＝ 138
类_名＝ { “background”, “person”, “bicycle”, “car”, “motorcycle”, “airplane”, “bus”, “train”, “truck”, “boat”, “traffic light”, “fire hydrant”, “stop sign”, “parking meter”, “bench”, “bird”, “cat”, “dog”, “horse”, “sheep”, “cow”, “elephant”, “bear”, “zebra”, “giraffe”, “backpack”, “umbrella”, “handbag”, “tie”, “suitcase”, “frisbee”, “skis”, “snowboard”, “sports ball”, “kite”, “baseball bat”, “baseball glove”, “skateboard”, “surfboard”, “tennis racket”, “bottle”, “wine glass”, “cup”, “fork”, “knife”, “spoon”, “bowl”, “banana”, “apple”, “sandwich”, “orange”, “broccoli”, “carrot”, “hot dog”, “pizza”, “donut”, “cake”, “chair”, “couch”, “potted plant”, “bed”, “dining table”, “toilet”, “tv”, “laptop”, “mouse”, “remote”, “keyboard”, “cell phone”, “microwave”, “oven”, “toaster”, “sink”, “refrigerator”, “book”, “clock”, “vase”, “scissors”, “teddy bear”, “hair drier”, “toothbrush” }
BGR颜色数组 [1] [1] ＝ 56
BGR颜色数组 [1] [3] ＝ 255
BGR颜色数组 [2] [1] ＝ 226
BGR颜色数组 [2] [2] ＝ 255
BGR颜色数组 [3] [2] ＝ 94
BGR颜色数组 [3] [3] ＝ 255
BGR颜色数组 [4] [2] ＝ 37
BGR颜色数组 [4] [3] ＝ 255
BGR颜色数组 [5] [2] ＝ 255
BGR颜色数组 [5] [3] ＝ 94
BGR颜色数组 [6] [1] ＝ 255
BGR颜色数组 [6] [2] ＝ 226
BGR颜色数组 [7] [2] ＝ 18
BGR颜色数组 [7] [3] ＝ 255
BGR颜色数组 [8] [1] ＝ 255
BGR颜色数组 [8] [2] ＝ 151
BGR颜色数组 [9] [1] ＝ 170
BGR颜色数组 [9] [3] ＝ 255
BGR颜色数组 [10] [2] ＝ 255
BGR颜色数组 [10] [3] ＝ 56
BGR颜色数组 [11] [1] ＝ 255
BGR颜色数组 [11] [3] ＝ 75
BGR颜色数组 [12] [2] ＝ 75
BGR颜色数组 [12] [3] ＝ 255
BGR颜色数组 [13] [2] ＝ 255
BGR颜色数组 [13] [3] ＝ 169
BGR颜色数组 [14] [1] ＝ 255
BGR颜色数组 [14] [3] ＝ 207
BGR颜色数组 [15] [1] ＝ 75
BGR颜色数组 [15] [2] ＝ 255
BGR颜色数组 [16] [1] ＝ 207
BGR颜色数组 [17] [3] ＝ 255
BGR颜色数组 [18] [1] ＝ 37
BGR颜色数组 [18] [3] ＝ 255
BGR颜色数组 [19] [2] ＝ 207
BGR颜色数组 [19] [3] ＝ 255
BGR颜色数组 [20] [1] ＝ 94
BGR颜色数组 [20] [3] ＝ 255
BGR颜色数组 [21] [2] ＝ 255
BGR颜色数组 [21] [3] ＝ 113
BGR颜色数组 [22] [1] ＝ 255
BGR颜色数组 [22] [2] ＝ 18
BGR颜色数组 [23] [1] ＝ 255
BGR颜色数组 [23] [3] ＝ 56
BGR颜色数组 [24] [1] ＝ 18
BGR颜色数组 [24] [3] ＝ 255
BGR颜色数组 [25] [2] ＝ 255
BGR颜色数组 [25] [3] ＝ 226
BGR颜色数组 [26] [1] ＝ 170
BGR颜色数组 [26] [2] ＝ 255
BGR颜色数组 [27] [1] ＝ 255
BGR颜色数组 [27] [3] ＝ 245
BGR颜色数组 [28] [1] ＝ 151
BGR颜色数组 [28] [2] ＝ 255
BGR颜色数组 [29] [1] ＝ 132
BGR颜色数组 [29] [2] ＝ 255
BGR颜色数组 [30] [1] ＝ 75
BGR颜色数组 [30] [3] ＝ 255
BGR颜色数组 [31] [1] ＝ 151
BGR颜色数组 [31] [3] ＝ 255
BGR颜色数组 [32] [2] ＝ 151
BGR颜色数组 [32] [3] ＝ 255
BGR颜色数组 [33] [1] ＝ 132
BGR颜色数组 [33] [3] ＝ 255
BGR颜色数组 [34] [2] ＝ 255
BGR颜色数组 [34] [2] ＝ 245
BGR颜色数组 [35] [1] ＝ 255
BGR颜色数组 [35] [2] ＝ 132
BGR颜色数组 [36] [1] ＝ 226
BGR颜色数组 [36] [3] ＝ 255
BGR颜色数组 [37] [1] ＝ 255
BGR颜色数组 [37] [2] ＝ 37
BGR颜色数组 [38] [1] ＝ 207
BGR颜色数组 [38] [2] ＝ 255
BGR颜色数组 [39] [2] ＝ 255
BGR颜色数组 [39] [3] ＝ 207
BGR颜色数组 [40] [1] ＝ 94
BGR颜色数组 [40] [2] ＝ 255
BGR颜色数组 [41] [2] ＝ 226
BGR颜色数组 [41] [3] ＝ 255
BGR颜色数组 [42] [1] ＝ 56
BGR颜色数组 [42] [2] ＝ 255
BGR颜色数组 [43] [1] ＝ 255
BGR颜色数组 [43] [2] ＝ 94
BGR颜色数组 [44] [1] ＝ 255
BGR颜色数组 [44] [2] ＝ 113
BGR颜色数组 [45] [2] ＝ 132
BGR颜色数组 [45] [3] ＝ 255
BGR颜色数组 [46] [1] ＝ 255
BGR颜色数组 [46] [3] ＝ 132
BGR颜色数组 [47] [1] ＝ 255
BGR颜色数组 [47] [2] ＝ 170
BGR颜色数组 [48] [1] ＝ 255
BGR颜色数组 [48] [3] ＝ 188
BGR颜色数组 [49] [1] ＝ 113
BGR颜色数组 [49] [2] ＝ 255
BGR颜色数组 [50] [1] ＝ 245
BGR颜色数组 [50] [3] ＝ 255
BGR颜色数组 [51] [1] ＝ 113
BGR颜色数组 [51] [3] ＝ 255
BGR颜色数组 [52] [1] ＝ 255
BGR颜色数组 [52] [2] ＝ 188
BGR颜色数组 [53] [2] ＝ 113
BGR颜色数组 [53] [3] ＝ 255
BGR颜色数组 [54] [1] ＝ 255
BGR颜色数组 [55] [2] ＝ 56
BGR颜色数组 [55] [3] ＝ 255
BGR颜色数组 [56] [1] ＝ 255
BGR颜色数组 [56] [3] ＝ 113
BGR颜色数组 [57] [2] ＝ 255
BGR颜色数组 [57] [3] ＝ 188
BGR颜色数组 [58] [1] ＝ 255
BGR颜色数组 [58] [3] ＝ 94
BGR颜色数组 [59] [1] ＝ 255
BGR颜色数组 [59] [3] ＝ 18
BGR颜色数组 [60] [1] ＝ 18
BGR颜色数组 [60] [2] ＝ 255
BGR颜色数组 [61] [2] ＝ 255
BGR颜色数组 [61] [3] ＝ 132
BGR颜色数组 [62] [2] ＝ 188
BGR颜色数组 [62] [3] ＝ 255
BGR颜色数组 [63] [2] ＝ 245
BGR颜色数组 [63] [3] ＝ 255
BGR颜色数组 [64] [2] ＝ 169
BGR颜色数组 [64] [3] ＝ 255
BGR颜色数组 [65] [1] ＝ 37
BGR颜色数组 [65] [2] ＝ 255
BGR颜色数组 [66] [1] ＝ 255
BGR颜色数组 [66] [3] ＝ 151
BGR颜色数组 [67] [1] ＝ 188
BGR颜色数组 [67] [3] ＝ 255
BGR颜色数组 [68] [2] ＝ 255
BGR颜色数组 [68] [3] ＝ 37
BGR颜色数组 [69] [2] ＝ 255
BGR颜色数组 [70] [1] ＝ 255
BGR颜色数组 [70] [3] ＝ 170
BGR颜色数组 [71] [1] ＝ 255
BGR颜色数组 [71] [3] ＝ 37
BGR颜色数组 [72] [1] ＝ 255
BGR颜色数组 [72] [2] ＝ 75
BGR颜色数组 [73] [3] ＝ 255
BGR颜色数组 [74] [1] ＝ 255
BGR颜色数组 [74] [2] ＝ 207
BGR颜色数组 [75] [1] ＝ 255
BGR颜色数组 [75] [3] ＝ 226
BGR颜色数组 [76] [1] ＝ 255
BGR颜色数组 [76] [1] ＝ 245
BGR颜色数组 [77] [1] ＝ 188
BGR颜色数组 [77] [2] ＝ 255
BGR颜色数组 [78] [2] ＝ 255
BGR颜色数组 [78] [3] ＝ 18
BGR颜色数组 [79] [2] ＝ 255
BGR颜色数组 [79] [3] ＝ 75
BGR颜色数组 [80] [2] ＝ 255
BGR颜色数组 [80] [3] ＝ 151
BGR颜色数组 [81] [1] ＝ 255
BGR颜色数组 [81] [2] ＝ 56
BGR颜色数组 [82] [1] ＝ 245
BGR颜色数组 [82] [2] ＝ 255

子程序名	返回值类型	公开	备注
_销毁			当基于本类的对象被销毁前，此方法会被自动调用

子程序名	返回值类型	公开	备注
初始化
参数名	类型	参考	可空	数组	备注
confThreshold	小数型
nmsThreshold	小数型
keep_top_ks	整数型

变量名	类型	静态	数组	备注
p	整数型
conv_w	整数型
conv_h	整数型
scale	小数型
i	整数型
j	整数型
cx	小数型
cy	小数型
k	整数型
ar	小数型
w	小数型
h	小数型
arget_size	小数型
pb	小数型指针类

如果真 (是否为空 (keep_top_ks))

keep_top_ks ＝ 200
置信_阈值＝ confThreshold
抑制_阈值＝ nmsThreshold
保存_顶边_k ＝ keep_top_ks
DNN网络＝视觉_读取网络 (“C:\Users\hanyo\Desktop\yolact_base_54_800000.onnx”, , “”)

计次循环首 (5, p)

数_预测框＝转化率_ws [p] × 转化率_hs [p] × 3 ＋数_预测框

计次循环尾 ()
重定义数组 (预测框, 假, 4 × 数_预测框)
pb.指针＝取变量数据地址 (预测框)
' 生成预测框

计次循环首 (5, p)

conv_w ＝转化率_ws [p]

conv_h ＝转化率_hs [p]

scale ＝ scales [p]

变量循环首 (0, conv_h － 1, 1, i)

变量循环首 (0, conv_w － 1, 1, j)

cx ＝ (j ＋ 0.5) ÷ conv_w

cy ＝ (i ＋ 0.5) ÷ conv_h

计次循环首 (3, k)

ar ＝纵横比 [k]

ar ＝求平方根 (ar)

w ＝ scale × ar ÷ 目标_尺寸

h ＝ scale ÷ ar ÷ 目标_尺寸

' // 这是为了向后兼容一个错误，我不小心把所有东西都弄成方形

' // cfg.backbone.use_square_anchors:

h ＝ w

pb.写 (0, cx)

pb.写 (1, cy)

pb.写 (2, w)

pb.写 (3, h)

pb.偏移 (4)

计次循环尾 ()

变量循环尾 ()

计次循环尾 ()

子程序名	返回值类型	公开	备注
检测
参数名	类型	参考	可空	数组	备注
输入图片	多维矩阵类

变量名	类型	静态	数组	备注
图片_w	整数型
图片_h	整数型
图片	多维矩阵类
斑点	多维矩阵类
输出s	多维矩阵类		0
类Ids	整数型		0
置信度s	小数型		0
预测框s	矩形2i类		0
掩码Ids	整数型		0
数_类	整数型
分数	多维矩阵类
类Id坐标	点2i类
得分	双精度小数型
i	整数型
loc	小数型指针类
pb	小数型指针类
pb_cx	小数型
pb_cy	小数型
pb_w	小数型
pb_h	小数型
预测框_cx	小数型
预测框_cy	小数型
预测框_w	小数型
预测框x_h	小数型
对象_x1	小数型
对象_y1	小数型
对象_x2	小数型
对象_y2	小数型
指数	整数型		0
idx	整数型
box	矩形2i类
xmax	整数型
ymax	整数型
标题	文本型
标签尺寸	尺寸2i类
ymin	整数型
蒙版	多维矩阵类
蒙版2	多维矩阵类
通道l	整数型
面积	整数型
系数指针	小数型指针类
pm	小数型指针类
掩码图指针	小数型指针类
j	整数型
p	整数型
y	整数型
蒙版指针	小数型指针类
蒙版数据指针	字节型指针类
x	整数型

图片_w ＝输入图片.列数 ()
图片_h ＝输入图片.行数 ()
视觉_调整尺寸 (输入图片, 图片, 尺寸2i (目标_尺寸, 目标_尺寸), #插值_双线性二次, 0, 1)
视觉_颜色空间转换 (图片, 图片, #颜色_BGR转RGB, 0)
归一化 (图片)
斑点＝视觉_图像前景目标 (图片, 1, , , 假, 假, 5)
DNN网络.设置输入 (斑点, “”, 1, )
DNN网

i支持库列表	支持库注释
OpenCV	(未知支持库)
spec	特殊功能支持库

.版本 2<br />
.支持库 OpenCV<br />
.支持库 spec<br />
<br />
.程序集 YOLACT, , 公开, You Only Look At CoefficienTs<br />
.程序集变量 类_名, 文本型, , "0"<br />
.程序集变量 BGR颜色数组, 字节型, , "82,3"<br />
.程序集变量 目标_尺寸, 整数型<br />
.程序集变量 MEANS, 小数型, , "3"<br />
.程序集变量 STD, 小数型, , "3"<br />
.程序集变量 置信_阈值, 小数型<br />
.程序集变量 抑制_阈值, 小数型<br />
.程序集变量 保存_顶边_k, 整数型<br />
.程序集变量 转化率_ws, 整数型, , "5"<br />
.程序集变量 转化率_hs, 整数型, , "5"<br />
.程序集变量 纵横比, 小数型, , "3"<br />
.程序集变量 scales, 小数型, , "5"<br />
.程序集变量 var, 小数型, , "4"<br />
.程序集变量 掩码_h, 整数型<br />
.程序集变量 掩码_w, 整数型<br />
.程序集变量 数_预测框, 整数型<br />
.程序集变量 预测框, 小数型, , "0"<br />
.程序集变量 DNN网络, 网络类<br />
<br />
.子程序 _初始化, , , 当基于本类的对象被创建后，此方法会被自动调用<br />
<br />
目标_尺寸 ＝ 550<br />
MEANS ＝ { 123.68, 116.78, 103.94 }<br />
STD ＝ { 58.4, 57.12, 57.38 }<br />
转化率_ws ＝ { 69, 35, 18, 9, 5 }<br />
转化率_hs ＝ { 69, 35, 18, 9, 5 }<br />
纵横比 ＝ { 1, 0.5, 2 }<br />
scales ＝ { 24, 48, 96, 192, 384 }<br />
var ＝ { 0.1, 0.1, 0.2, 0.2 }<br />
掩码_h ＝ 138<br />
掩码_w ＝ 138<br />
类_名 ＝ { “background”, “person”, “bicycle”, “car”, “motorcycle”, “airplane”, “bus”, “train”, “truck”, “boat”, “traffic light”, “fire hydrant”, “stop sign”, “parking meter”, “bench”, “bird”, “cat”, “dog”, “horse”, “sheep”, “cow”, “elephant”, “bear”, “zebra”, “giraffe”, “backpack”, “umbrella”, “handbag”, “tie”, “suitcase”, “frisbee”, “skis”, “snowboard”, “sports ball”, “kite”, “baseball bat”, “baseball glove”, “skateboard”, “surfboard”, “tennis racket”, “bottle”, “wine glass”, “cup”, “fork”, “knife”, “spoon”, “bowl”, “banana”, “apple”, “sandwich”, “orange”, “broccoli”, “carrot”, “hot dog”, “pizza”, “donut”, “cake”, “chair”, “couch”, “potted plant”, “bed”, “dining table”, “toilet”, “tv”, “laptop”, “mouse”, “remote”, “keyboard”, “cell phone”, “microwave”, “oven”, “toaster”, “sink”, “refrigerator”, “book”, “clock”, “vase”, “scissors”, “teddy bear”, “hair drier”, “toothbrush” }<br />
BGR颜色数组 [1] [1] ＝ 56<br />
BGR颜色数组 [1] [3] ＝ 255<br />
BGR颜色数组 [2] [1] ＝ 226<br />
BGR颜色数组 [2] [2] ＝ 255<br />
BGR颜色数组 [3] [2] ＝ 94<br />
BGR颜色数组 [3] [3] ＝ 255<br />
BGR颜色数组 [4] [2] ＝ 37<br />
BGR颜色数组 [4] [3] ＝ 255<br />
BGR颜色数组 [5] [2] ＝ 255<br />
BGR颜色数组 [5] [3] ＝ 94<br />
BGR颜色数组 [6] [1] ＝ 255<br />
BGR颜色数组 [6] [2] ＝ 226<br />
BGR颜色数组 [7] [2] ＝ 18<br />
BGR颜色数组 [7] [3] ＝ 255<br />
BGR颜色数组 [8] [1] ＝ 255<br />
BGR颜色数组 [8] [2] ＝ 151<br />
BGR颜色数组 [9] [1] ＝ 170<br />
BGR颜色数组 [9] [3] ＝ 255<br />
BGR颜色数组 [10] [2] ＝ 255<br />
BGR颜色数组 [10] [3] ＝ 56<br />
BGR颜色数组 [11] [1] ＝ 255<br />
BGR颜色数组 [11] [3] ＝ 75<br />
BGR颜色数组 [12] [2] ＝ 75<br />
BGR颜色数组 [12] [3] ＝ 255<br />
BGR颜色数组 [13] [2] ＝ 255<br />
BGR颜色数组 [13] [3] ＝ 169<br />
BGR颜色数组 [14] [1] ＝ 255<br />
BGR颜色数组 [14] [3] ＝ 207<br />
BGR颜色数组 [15] [1] ＝ 75<br />
BGR颜色数组 [15] [2] ＝ 255<br />
BGR颜色数组 [16] [1] ＝ 207<br />
BGR颜色数组 [17] [3] ＝ 255<br />
BGR颜色数组 [18] [1] ＝ 37<br />
BGR颜色数组 [18] [3] ＝ 255<br />
BGR颜色数组 [19] [2] ＝ 207<br />
BGR颜色数组 [19] [3] ＝ 255<br />
BGR颜色数组 [20] [1] ＝ 94<br />
BGR颜色数组 [20] [3] ＝ 255<br />
BGR颜色数组 [21] [2] ＝ 255<br />
BGR颜色数组 [21] [3] ＝ 113<br />
BGR颜色数组 [22] [1] ＝ 255<br />
BGR颜色数组 [22] [2] ＝ 18<br />
BGR颜色数组 [23] [1] ＝ 255<br />
BGR颜色数组 [23] [3] ＝ 56<br />
BGR颜色数组 [24] [1] ＝ 18<br />
BGR颜色数组 [24] [3] ＝ 255<br />
BGR颜色数组 [25] [2] ＝ 255<br />
BGR颜色数组 [25] [3] ＝ 226<br />
BGR颜色数组 [26] [1] ＝ 170<br />
BGR颜色数组 [26] [2] ＝ 255<br />
BGR颜色数组 [27] [1] ＝ 255<br />
BGR颜色数组 [27] [3] ＝ 245<br />
BGR颜色数组 [28] [1] ＝ 151<br />
BGR颜色数组 [28] [2] ＝ 255<br />
BGR颜色数组 [29] [1] ＝ 132<br />
BGR颜色数组 [29] [2] ＝ 255<br />
BGR颜色数组 [30] [1] ＝ 75<br />
BGR颜色数组 [30] [3] ＝ 255<br />
BGR颜色数组 [31] [1] ＝ 151<br />
BGR颜色数组 [31] [3] ＝ 255<br />
BGR颜色数组 [32] [2] ＝ 151<br />
BGR颜色数组 [32] [3] ＝ 255<br />
BGR颜色数组 [33] [1] ＝ 132<br />
BGR颜色数组 [33] [3] ＝ 255<br />
BGR颜色数组 [34] [2] ＝ 255<br />
BGR颜色数组 [34] [2] ＝ 245<br />
BGR颜色数组 [35] [1] ＝ 255<br />
BGR颜色数组 [35] [2] ＝ 132<br />
BGR颜色数组 [36] [1] ＝ 226<br />
BGR颜色数组 [36] [3] ＝ 255<br />
BGR颜色数组 [37] [1] ＝ 255<br />
BGR颜色数组 [37] [2] ＝ 37<br />
BGR颜色数组 [38] [1] ＝ 207<br />
BGR颜色数组 [38] [2] ＝ 255<br />
BGR颜色数组 [39] [2] ＝ 255<br />
BGR颜色数组 [39] [3] ＝ 207<br />
BGR颜色数组 [40] [1] ＝ 94<br />
BGR颜色数组 [40] [2] ＝ 255<br />
BGR颜色数组 [41] [2] ＝ 226<br />
BGR颜色数组 [41] [3] ＝ 255<br />
BGR颜色数组 [42] [1] ＝ 56<br />
BGR颜色数组 [42] [2] ＝ 255<br />
BGR颜色数组 [43] [1] ＝ 255<br />
BGR颜色数组 [43] [2] ＝ 94<br />
BGR颜色数组 [44] [1] ＝ 255<br />
BGR颜色数组 [44] [2] ＝ 113<br />
BGR颜色数组 [45] [2] ＝ 132<br />
BGR颜色数组 [45] [3] ＝ 255<br />
BGR颜色数组 [46] [1] ＝ 255<br />
BGR颜色数组 [46] [3] ＝ 132<br />
BGR颜色数组 [47] [1] ＝ 255<br />
BGR颜色数组 [47] [2] ＝ 170<br />
BGR颜色数组 [48] [1] ＝ 255<br />
BGR颜色数组 [48] [3] ＝ 188<br />
BGR颜色数组 [49] [1] ＝ 113<br />
BGR颜色数组 [49] [2] ＝ 255<br />
BGR颜色数组 [50] [1] ＝ 245<br />
BGR颜色数组 [50] [3] ＝ 255<br />
BGR颜色数组 [51] [1] ＝ 113<br />
BGR颜色数组 [51] [3] ＝ 255<br />
BGR颜色数组 [52] [1] ＝ 255<br />
BGR颜色数组 [52] [2] ＝ 188<br />
BGR颜色数组 [53] [2] ＝ 113<br />
BGR颜色数组 [53] [3] ＝ 255<br />
BGR颜色数组 [54] [1] ＝ 255<br />
BGR颜色数组 [55] [2] ＝ 56<br />
BGR颜色数组 [55] [3] ＝ 255<br />
BGR颜色数组 [56] [1] ＝ 255<br />
BGR颜色数组 [56] [3] ＝ 113<br />
BGR颜色数组 [57] [2] ＝ 255<br />
BGR颜色数组 [57] [3] ＝ 188<br />
BGR颜色数组 [58] [1] ＝ 255<br />
BGR颜色数组 [58] [3] ＝ 94<br />
BGR颜色数组 [59] [1] ＝ 255<br />
BGR颜色数组 [59] [3] ＝ 18<br />
BGR颜色数组 [60] [1] ＝ 18<br />
BGR颜色数组 [60] [2] ＝ 255<br />
BGR颜色数组 [61] [2] ＝ 255<br />
BGR颜色数组 [61] [3] ＝ 132<br />
BGR颜色数组 [62] [2] ＝ 188<br />
BGR颜色数组 [62] [3] ＝ 255<br />
BGR颜色数组 [63] [2] ＝ 245<br />
BGR颜色数组 [63] [3] ＝ 255<br />
BGR颜色数组 [64] [2] ＝ 169<br />
BGR颜色数组 [64] [3] ＝ 255<br />
BGR颜色数组 [65] [1] ＝ 37<br />
BGR颜色数组 [65] [2] ＝ 255<br />
BGR颜色数组 [66] [1] ＝ 255<br />
BGR颜色数组 [66] [3] ＝ 151<br />
BGR颜色数组 [67] [1] ＝ 188<br />
BGR颜色数组 [67] [3] ＝ 255<br />
BGR颜色数组 [68] [2] ＝ 255<br />
BGR颜色数组 [68] [3] ＝ 37<br />
BGR颜色数组 [69] [2] ＝ 255<br />
BGR颜色数组 [70] [1] ＝ 255<br />
BGR颜色数组 [70] [3] ＝ 170<br />
BGR颜色数组 [71] [1] ＝ 255<br />
BGR颜色数组 [71] [3] ＝ 37<br />
BGR颜色数组 [72] [1] ＝ 255<br />
BGR颜色数组 [72] [2] ＝ 75<br />
BGR颜色数组 [73] [3] ＝ 255<br />
BGR颜色数组 [74] [1] ＝ 255<br />
BGR颜色数组 [74] [2] ＝ 207<br />
BGR颜色数组 [75] [1] ＝ 255<br />
BGR颜色数组 [75] [3] ＝ 226<br />
BGR颜色数组 [76] [1] ＝ 255<br />
BGR颜色数组 [76] [1] ＝ 245<br />
BGR颜色数组 [77] [1] ＝ 188<br />
BGR颜色数组 [77] [2] ＝ 255<br />
BGR颜色数组 [78] [2] ＝ 255<br />
BGR颜色数组 [78] [3] ＝ 18<br />
BGR颜色数组 [79] [2] ＝ 255<br />
BGR颜色数组 [79] [3] ＝ 75<br />
BGR颜色数组 [80] [2] ＝ 255<br />
BGR颜色数组 [80] [3] ＝ 151<br />
BGR颜色数组 [81] [1] ＝ 255<br />
BGR颜色数组 [81] [2] ＝ 56<br />
BGR颜色数组 [82] [1] ＝ 245<br />
BGR颜色数组 [82] [2] ＝ 255<br />
<br />
.子程序 _销毁, , , 当基于本类的对象被销毁前，此方法会被自动调用<br />
<br />
<br />
<br />
.子程序 初始化, , 公开<br />
.参数 confThreshold, 小数型<br />
.参数 nmsThreshold, 小数型<br />
.参数 keep_top_ks, 整数型, 可空<br />
.局部变量 p, 整数型<br />
.局部变量 conv_w, 整数型<br />
.局部变量 conv_h, 整数型<br />
.局部变量 scale, 小数型<br />
.局部变量 i, 整数型<br />
.局部变量 j, 整数型<br />
.局部变量 cx, 小数型<br />
.局部变量 cy, 小数型<br />
.局部变量 k, 整数型<br />
.局部变量 ar, 小数型<br />
.局部变量 w, 小数型<br />
.局部变量 h, 小数型<br />
.局部变量 arget_size, 小数型<br />
.局部变量 pb, 小数型指针类<br />
<br />
.如果真 (是否为空 (keep_top_ks))<br />
    keep_top_ks ＝ 200<br />
.如果真结束<br />
置信_阈值 ＝ confThreshold<br />
抑制_阈值 ＝ nmsThreshold<br />
保存_顶边_k ＝ keep_top_ks<br />
DNN网络 ＝ 视觉_读取网络 (“C:\Users\hanyo\Desktop\yolact_base_54_800000.onnx”, , “”)<br />
.计次循环首 (5, p)<br />
    数_预测框 ＝ 转化率_ws [p] × 转化率_hs [p] × 3 ＋ 数_预测框<br />
.计次循环尾 ()<br />
重定义数组 (预测框, 假, 4 × 数_预测框)<br />
pb.指针 ＝ 取变量数据地址 (预测框)<br />
' 生成预测框<br />
.计次循环首 (5, p)<br />
    conv_w ＝ 转化率_ws [p]<br />
    conv_h ＝ 转化率_hs [p]<br />
    scale ＝ scales [p]<br />
    .变量循环首 (0, conv_h － 1, 1, i)<br />
        .变量循环首 (0, conv_w － 1, 1, j)<br />
            cx ＝ (j ＋ 0.5) ÷ conv_w<br />
            cy ＝ (i ＋ 0.5) ÷ conv_h<br />
            .计次循环首 (3, k)<br />
                ar ＝ 纵横比 [k]<br />
                ar ＝ 求平方根 (ar)<br />
                w ＝ scale × ar ÷ 目标_尺寸<br />
                h ＝ scale ÷ ar ÷ 目标_尺寸<br />
                ' // 这是为了向后兼容一个错误，我不小心把所有东西都弄成方形<br />
                ' // cfg.backbone.use_square_anchors:<br />
                h ＝ w<br />
                pb.写 (0, cx)<br />
                pb.写 (1, cy)<br />
                pb.写 (2, w)<br />
                pb.写 (3, h)<br />
                pb.偏移 (4)<br />
            .计次循环尾 ()<br />
        .变量循环尾 ()<br />
    .变量循环尾 ()<br />
.计次循环尾 ()<br />
<br />
.子程序 检测, , 公开<br />
.参数 输入图片, 多维矩阵类<br />
.局部变量 图片_w, 整数型<br />
.局部变量 图片_h, 整数型<br />
.局部变量 图片, 多维矩阵类<br />
.局部变量 斑点, 多维矩阵类<br />
.局部变量 输出s, 多维矩阵类, , "0"<br />
.局部变量 类Ids, 整数型, , "0"<br />
.局部变量 置信度s, 小数型, , "0"<br />
.局部变量 预测框s, 矩形2i类, , "0"<br />
.局部变量 掩码Ids, 整数型, , "0"<br />
.局部变量 数_类, 整数型<br />
.局部变量 分数, 多维矩阵类<br />
.局部变量 类Id坐标, 点2i类<br />
.局部变量 得分, 双精度小数型<br />
.局部变量 i, 整数型<br />
.局部变量 loc, 小数型指针类<br />
.局部变量 pb, 小数型指针类<br />
.局部变量 pb_cx, 小数型<br />
.局部变量 pb_cy, 小数型<br />
.局部变量 pb_w, 小数型<br />
.局部变量 pb_h, 小数型<br />
.局部变量 预测框_cx, 小数型<br />
.局部变量 预测框_cy, 小数型<br />
.局部变量 预测框_w, 小数型<br />
.局部变量 预测框x_h, 小数型<br />
.局部变量 对象_x1, 小数型<br />
.局部变量 对象_y1, 小数型<br />
.局部变量 对象_x2, 小数型<br />
.局部变量 对象_y2, 小数型<br />
.局部变量 指数, 整数型, , "0"<br />
.局部变量 idx, 整数型<br />
.局部变量 box, 矩形2i类<br />
.局部变量 xmax, 整数型<br />
.局部变量 ymax, 整数型<br />
.局部变量 标题, 文本型<br />
.局部变量 标签尺寸, 尺寸2i类<br />
.局部变量 ymin, 整数型<br />
.局部变量 蒙版, 多维矩阵类<br />
.局部变量 蒙版2, 多维矩阵类<br />
.局部变量 通道l, 整数型<br />
.局部变量 面积, 整数型<br />
.局部变量 系数指针, 小数型指针类<br />
.局部变量 pm, 小数型指针类<br />
.局部变量 掩码图指针, 小数型指针类<br />
.局部变量 j, 整数型<br />
.局部变量 p, 整数型<br />
.局部变量 y, 整数型<br />
.局部变量 蒙版指针, 小数型指针类<br />
.局部变量 蒙版数据指针, 字节型指针类<br />
.局部变量 x, 整数型<br />
<br />
图片_w ＝ 输入图片.列数 ()<br />
图片_h ＝ 输入图片.行数 ()<br />
视觉_调整尺寸 (输入图片, 图片, 尺寸2i (目标_尺寸, 目标_尺寸), #插值_双线性二次, 0, 1)<br />
视觉_颜色空间转换 (图片, 图片, #颜色_BGR转RGB, 0)<br />
归一化 (图片)<br />
斑点 ＝ 视觉_图像前景目标 (图片, 1, , , 假, 假, 5)<br />
DNN网络.设置输入 (斑点, “”, 1, )<br />
DNN网

huyajieai · 发表于 2023-1-10 14:51:55

666

zhaoxianfang · 发表于 2022-9-16 23:56:36

666666666666666666666

mxsf梦醒时分 · 发表于 2022-8-10 11:10:32

支持开源~！感谢分享

		自动登录	找回密码
密码			注册

[技术专题] 当前最快的实例分割模型:YOLACT 易语言调用

点评

评分

本帖被以下淘专辑推荐: